一種基于頭部姿勢識別的智能移動服務機器人控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及機器視覺控制領(lǐng)域，具體涉及一種基于頭部姿勢識別的智能移動服務 機器人控制方法，應用于智能移動服務機器人交互系統(tǒng)上，適于在智能移動服務機器人交 互系統(tǒng)上實現(xiàn)基于局部約束模型(CLM)的頭部姿勢實時估算并基于此來實現(xiàn)對智能移動服 務機器人的控制。
【背景技術(shù)】
[0002] 隨著社會的發(fā)展，人口老齡化問題已經(jīng)成為發(fā)達國家和部分發(fā)展中國家共同面對 的挑戰(zhàn)，預測顯示，從2015~2035年的20年時間，中國老年人口比例將會增加一倍，達到 20%，其中不乏由于疾病導致活動不便的老人，加上由于各種災難事故造成的各種行動不 便的殘障人士的數(shù)量也在逐漸增加，尤其是高位截癱和手臂殘疾的人士，他們中一部分的 出行活動受到了極大的制約。為了出行的便利以提高他們的生活質(zhì)量，近年來，便利的出行 代步工具成為了社會和研究機構(gòu)關(guān)注的熱點，其中智能服務機器人更成為了其中的熱點研 究對象。智能輪椅作為一種具有代表性的智能移動服務機器人，具有搖桿控制，肢體控制， 導航，避障，康復等功能。其中搖桿控制擁有良好的控制性能，但對于雙手殘疾或高位截癱 導致雙手無法運動的人來說，搖桿控制以及部分肢體控制例如手勢控制等方法受到了很大 的制約，因此，頭勢控制作為一種新型的人機交互方式成為了近年來研究的熱點。
[0003] 當前已有的識別頭姿的方法有：
[0004] 1、佩戴運動傳感器方法，此類方法通過在測試對象頭部安裝加速度計和陀螺儀傳 感器，通過接收傳感器運動數(shù)據(jù)判斷頭姿，此類方法精度高，但需要佩戴裝置，用戶體驗較 差。
[0005] 2、LED標定方法，通過佩戴有一定數(shù)量LED的頭套，利用攝像頭捕捉頭套圖像，再根 據(jù)LED的位置判斷當前的位置，同樣，此方法精度高，但仍需佩戴裝置。
[0006] 3、機器視覺方法，此方法通過攝像頭采集頭部圖像通過算法判斷頭姿，是目前的 主流方法，與測試對象零接觸，用戶體驗較好，其中現(xiàn)有的手段主要是利用模式識別算法通 過圖像估計頭姿(機器視覺方法），例如傳統(tǒng)的模板匹配算法、主流的隨機森林分類器、臉部 特征點幾何關(guān)系方法等，傳統(tǒng)的CLM算法單純利用二維圖像，存在對于不同光照條件干擾的 問題。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明目的在于提供一種基于頭部姿勢識別的智能移動服務機器人控制，采用基 于二維圖像和深度圖像的CLM方法來估計頭部姿態(tài)方式，通過局部約束模型算法CLM檢測出 人臉特征點，再根據(jù)檢測得到的臉部特征點的幾何關(guān)系估計頭部姿勢，進而再對智能移動 服務機器人實施控制。
[0008] 本發(fā)明的上述目的通過獨立權(quán)利要求的技術(shù)特征實現(xiàn)，從屬權(quán)利要求以另選或有 利的方式發(fā)展獨立權(quán)利要求的技術(shù)特征。
[0009] 為達成上述目的，本發(fā)明提出一種基于頭部姿勢識別的智能移動服務機器人控制 方法，以約束局部模型算法為基礎(chǔ)，獲取頭部姿態(tài)并控制移動服務機器人，其具體實現(xiàn)包括 如下步驟：
[0010] S1，通過頭部姿勢樣本庫構(gòu)建臉部特征點的形狀模板以及特征點的局部特征模板
[0011] 該步驟的目的是對樣本庫中的彩色圖象和深度圖像進行PCA降維并對齊，然后進 行特征提取和學習得到特征點的形狀模板和各個特征點的局部特征模板，并構(gòu)建對應的 SVM，應用于后面的匹配步驟。
[0012] S2，通過RGBD攝像裝置采集包含人臉的二維圖像和深度圖像并對齊
[0013]此步驟中利用Kinect采集包含人臉的彩色圖像和深度圖像，能夠同時采集分辨率 都為640*480的彩色圖像和深度圖像，采集速率為每秒30幀。由于Kinect的彩色攝像頭和深 度攝像頭有一定的距離，因此采集到兩幅的圖像需要校正函數(shù)先進行對齊處理。
[0014] S3,利用Viola-Jones檢測器在圖像中檢測出人臉位置
[0015]利用此方法在采集到的RGB彩色圖像中快速定位臉部的位置，設(shè)用一個矩形框包 圍檢測到的臉部，為下面更進一步檢測臉部的特征點做好準備。
[0016] S4，利用CLM算法在檢測出的人臉上檢測出特征點
[0017] 該步驟中在檢測到的臉部位置再進一步的搜索臉部特征點的位置，首先進行臉部 特征點的初始估計，再對初始估計的特征點進行更佳位置的估計，迭代直到所有特征點到 最佳位置，至此完成臉部特征點的估計。
[0018] S5,通過檢測出的人臉特征點的形狀估計頭部姿勢
[0019] 該步驟中利用上一步中檢測到的臉部特征點的形狀來估計當前的頭部姿勢，估計 頭部的俯仰角，翻滾角，轉(zhuǎn)動角三個角度，將頭姿分為:無頭姿，左轉(zhuǎn)頭，右轉(zhuǎn)頭，抬頭，低頭 一共5種頭部姿勢。
[0020] S6,通過頭部姿勢識別結(jié)果實現(xiàn)對移動服務機器人的控制
[0021] 此步驟中PC機根據(jù)當前的頭部姿勢發(fā)出不同的控制命令給移動服務機器人，5種 頭姿分別對應的運動狀態(tài)為:停止，左轉(zhuǎn)，右轉(zhuǎn)，前進，后退。計算機通過識別得到的頭部姿 勢結(jié)果通過串口發(fā)送不同的命令給DSP控制器，DSP再發(fā)送控制命令給電機驅(qū)動從而控制智 能輪椅的運動。
[0022]應當理解，前述構(gòu)思以及在下面更加詳細地描述的額外構(gòu)思的所有組合只要在這 樣的構(gòu)思不相互矛盾的情況下都可以被視為本公開的發(fā)明主題的一部分。另外，所要求保 護的主題的所有組合都被視為本公開的發(fā)明主題的一部分。
[0023] 結(jié)合附圖從下面的描述中可以更加全面地理解本發(fā)明教導的前述和其他方面、實 施例和特征。本發(fā)明的其他附加方面例如示例性實施方式的特征和/或有益效果將在下面 的描述中顯見，或通過根據(jù)本發(fā)明教導的【具體實施方式】的實踐中得知。
【附圖說明】
[0024] 附圖不意在按比例繪制。在附圖中，在各個圖中示出的每個相同或近似相同的組 成部分可以用相同的標號表示。為了清晰起見，在每個圖中，并非每個組成部分均被標記。 現(xiàn)在，將通過例子并參考附圖來描述本發(fā)明的各個方面的實施例，其中：
[0025]圖1為智能移動服務機器人的結(jié)構(gòu)圖以及Kinect攝像頭安裝位置示意圖。
[0026]圖2為智能移動服務機器人控制系統(tǒng)結(jié)構(gòu)圖。
[0027]圖3為頭部姿態(tài)角示意圖。
[0028]圖4為基于頭部姿勢識別的智能移動服務機器人控制方法的流程圖。
[0029]圖5為標定臉部特征點的示意圖。
[0030]圖6為檢測臉部位置不意圖。
[0031 ]圖7為通過特征點估計頭部姿勢示意圖。
[0032]圖8為臉部特征點檢測結(jié)果和頭姿結(jié)果。
【具體實施方式】
[0033]為了更了解本發(fā)明的技術(shù)內(nèi)容，特舉具體實施例并配合所附圖式說明如下。
[0034] 在本公開中參照附圖來描述本發(fā)明的各方面，附圖中示出了許多說明的實施例。 本公開的實施例不必定意在包括本發(fā)明的所有方面。應當理解，上面介紹的多種構(gòu)思和實 施例，以及下面更加詳細地描述的那些構(gòu)思和實施方式可以以很多方式中任意一種來實 施，這是因為本發(fā)明所公開的構(gòu)思和實施例并不限于任何實施方式。另外，本發(fā)明公開的一 些方面可以單獨使用，或者與本發(fā)明公開的其他方面的任何適當組合來使用。
[0035] 圖1為智能移動服務機器人的結(jié)構(gòu)圖，智能移動服務機器人100具有一個主體以及 設(shè)置在主體上的各個構(gòu)件，這些構(gòu)件包括:頭枕l〇l、Kinect攝像頭102、PC控制器103、操縱 桿104、電機105、電池106、前輪107、后輪108以及防后傾輪109。如圖所示，Kinect攝像頭102 安裝在使用者頭部的正前方約50cm左右處，確保能夠正對頭部且將整個頭部包含在采集